Cách xây dựng chính sách lưu giữ dữ liệu nghiên cứu

Điểm quan trọng là không nên quyết định chỉ dựa trên tuổi của dữ liệu. Một tập dữ liệu đã nhiều năm vẫn có thể cần bảo tồn nếu nó là bằng chứng duy nhất của một nghiên cứu, khó tái tạo hoặc có giá trị tái sử dụng cao. Ngược lại, dữ liệu mới tạo ra vẫn có thể được xóa sớm nếu chỉ là bản sao tạm thời, dữ liệu trung gian có thể tái tạo và không chịu bất kỳ nghĩa vụ lưu giữ nào.

Vì vậy, chính sách tốt cần tách hai câu hỏi vốn thường bị nhầm lẫn: có cần tiếp tục giữ dữ liệu hay không và nếu phải giữ thì nên đặt dữ liệu ở tầng lưu trữ nào. Lưu trữ lạnh là quyết định về phương thức lưu trữ; loại bỏ là quyết định về vòng đời thông tin. Hai quyết định này không thể thay thế cho nhau.

Bắt đầu bằng nghĩa vụ và giá trị của dữ liệu, không bắt đầu bằng số năm

Thời hạn lưu giữ chỉ có ý nghĩa sau khi tổ chức biết vì sao một tập dữ liệu cần tồn tại. Đối với dữ liệu nghiên cứu, cùng một dự án có thể chứa nhiều loại tài sản với giá trị rất khác nhau: dữ liệu thô, dữ liệu đã làm sạch, mã phân tích, bảng kết quả, dữ liệu dẫn xuất, tệp tạm, bản sao dự phòng và tài liệu mô tả.

Một chính sách lưu giữ dữ liệu nghiên cứu nên đánh giá ít nhất bốn nhóm điều kiện trước khi gán thời hạn.

Nghĩa vụ bắt buộc phải tuân thủ

Dữ liệu không được xóa khi vẫn thuộc phạm vi của một yêu cầu pháp lý, hợp đồng, nhà tài trợ, cơ quan quản lý, hội đồng đạo đức hoặc chính sách của tổ chức. Nếu nhiều yêu cầu cùng áp dụng, chính sách phải xác định yêu cầu nào chi phối quyết định cuối cùng.

Một ngoại lệ đặc biệt quan trọng là dữ liệu đang liên quan đến điều tra, tranh chấp, kiểm toán hoặc yêu cầu bảo toàn hồ sơ. Trong trường hợp đó, lịch xóa thông thường phải được tạm dừng cho đến khi nghĩa vụ bảo toàn kết thúc.

Giá trị khoa học và khả năng tái tạo

Dữ liệu có giá trị cao hơn khi nó cần thiết để kiểm chứng kết quả, tái lập phân tích hoặc giải thích cách một công bố được hình thành.

Giá trị này tăng mạnh khi dữ liệu gốc khó hoặc không thể thu thập lại, chẳng hạn dữ liệu từ một sự kiện duy nhất, một quần thể không thể tiếp cận lại, một thiết bị đã ngừng hoạt động hoặc một thí nghiệm có chi phí tái tạo rất lớn.

Ngược lại, một tệp trung gian được tạo hoàn toàn từ dữ liệu nguồn và mã xử lý đã được bảo tồn có thể có giá trị lưu giữ thấp hơn nếu nó có thể tái tạo một cách đáng tin cậy.

Giá trị tái sử dụng

Một tập dữ liệu có thể không còn được nhóm nghiên cứu hiện tại sử dụng nhưng vẫn có giá trị cho phân tích thứ cấp, tổng hợp nghiên cứu, kiểm định phương pháp hoặc nghiên cứu mới.

Tuy nhiên, khả năng tái sử dụng phải được đánh giá thực tế. Dữ liệu thiếu mô tả, không xác định được nguồn gốc, phụ thuộc định dạng lỗi thời hoặc không thể giải thích các biến có thể có giá trị tái sử dụng thấp dù dung lượng rất lớn.

Rủi ro và chi phí của việc tiếp tục giữ

Giữ dữ liệu không phải lúc nào cũng là lựa chọn ít rủi ro nhất. Dữ liệu cá nhân, dữ liệu nhạy cảm, thông tin bí mật hoặc dữ liệu bị giới hạn theo hợp đồng tiếp tục tạo ra nghĩa vụ bảo mật trong suốt thời gian tồn tại.

Do đó, nguyên tắc “giữ mọi thứ để phòng khi cần” có thể làm tăng bề mặt tấn công, chi phí quản trị và hậu quả của một sự cố dữ liệu. Nếu một tập dữ liệu không còn nghĩa vụ hoặc giá trị đủ lớn để biện minh cho việc lưu giữ, loại bỏ có kiểm soát có thể là lựa chọn quản trị tốt hơn.

Khi nào dữ liệu nghiên cứu nên được lưu trữ dài hạn?

Lưu trữ dài hạn phù hợp khi giá trị của việc bảo tồn dữ liệu tiếp tục tồn tại ngay cả sau khi dự án nghiên cứu kết thúc.

Dữ liệu nên được xem xét cho nhóm này khi đáp ứng một hoặc nhiều điều kiện quan trọng sau.

·         Dữ liệu là bằng chứng nền tảng cho kết quả hoặc công bố khoa học

·         Việc tái tạo hoặc thu thập lại dữ liệu là không thể, rất khó hoặc có chi phí cao

·         Dữ liệu có tiềm năng tái sử dụng khoa học đáng kể

·         Dữ liệu thuộc yêu cầu lưu giữ dài hạn của pháp luật, hợp đồng, nhà tài trợ hoặc tổ chức

·         Dữ liệu có giá trị lịch sử hoặc giá trị làm hồ sơ nghiên cứu

·         Dữ liệu cần thiết để kiểm chứng nguồn gốc, phương pháp hoặc tính toàn vẹn của nghiên cứu

·         Dữ liệu đã được chuẩn hóa và có đủ metadata để người khác có thể hiểu và sử dụng trong tương lai

Điều kiện cuối cùng đặc biệt quan trọng. Lưu một tệp trong nhiều năm không đồng nghĩa với bảo tồn dữ liệu dài hạn.

Một tập dữ liệu chỉ thực sự được bảo tồn khi tổ chức còn có khả năng đọc, xác thực và diễn giải nó. Vì vậy, nhóm lưu dài hạn thường cần đi kèm metadata, thông tin provenance, tài liệu phương pháp, từ điển dữ liệu, quyền truy cập và cơ chế kiểm tra tính toàn vẹn.

Rủi ro định dạng cũng phải được xem xét. Nếu dữ liệu phụ thuộc vào phần mềm, thiết bị hoặc định dạng có nguy cơ lỗi thời, chính sách cần cho phép chuyển đổi định dạng hoặc migration có kiểm soát trong quá trình bảo tồn. Nếu chỉ giữ nguyên các bit nhưng không còn phần mềm hoặc thông tin để giải mã chúng, giá trị nghiên cứu của kho lưu trữ có thể mất đi.

Lưu dài hạn cũng không nhất thiết đồng nghĩa với lưu vĩnh viễn. Chính sách có thể yêu cầu một tập dữ liệu được bảo tồn lâu dài nhưng vẫn phải được rà soát định kỳ. Nếu giá trị khoa học, nghĩa vụ pháp lý và nhu cầu tái sử dụng đều biến mất, phân loại có thể được thay đổi theo quy trình đã phê duyệt.

Khi nào nên chuyển dữ liệu sang lưu trữ lạnh?

Lưu trữ lạnh phù hợp với dữ liệu vẫn phải giữ nhưng xác suất truy cập thường xuyên đã giảm đáng kể.

Đây là điểm khác biệt cơ bản giữa lưu lạnh và loại bỏ. Việc chuyển dữ liệu sang cold storage không trả lời câu hỏi dữ liệu còn giá trị hay không; nó chỉ thay đổi tầng lưu trữ để phù hợp hơn với tần suất truy cập và chi phí.

Ví dụ, dữ liệu của một dự án vừa kết thúc có thể vẫn phải được bảo tồn trong nhiều năm nhưng nhóm nghiên cứu không còn cần mở chúng hàng tuần. Giữ toàn bộ dữ liệu này trên hệ thống hiệu năng cao có thể không tạo thêm giá trị tương ứng với chi phí. Đây là ứng viên điển hình cho lưu trữ lạnh.

Một tập dữ liệu thường phù hợp với lưu lạnh khi:

·         Nghĩa vụ lưu giữ vẫn còn hiệu lực

·         Dữ liệu vẫn có giá trị chứng minh hoặc giá trị khoa học

·         Nhu cầu truy cập vận hành đã giảm

·         Thời gian khôi phục chậm hơn có thể chấp nhận được

·         Dữ liệu không cần nằm thường trực trên hạ tầng xử lý hiệu năng cao

·         Chi phí lưu trữ đang hoạt động không tương xứng với tần suất sử dụng

Tuy nhiên, chi phí dung lượng không phải tiêu chí duy nhất. Tầng lưu trữ lạnh thường tạo ra một trade-off: chi phí lưu thường xuyên có thể giảm nhưng thời gian khôi phục, thao tác vận hành hoặc chi phí truy xuất có thể tăng.

Vì vậy, không nên chuyển lạnh một tập dữ liệu chỉ vì nó “cũ”. Nếu dữ liệu vẫn đang được sử dụng liên tục cho phân tích, kiểm chứng, đào tạo mô hình hoặc phối hợp giữa nhiều nhóm, cold storage có thể làm tăng ma sát vận hành hơn mức tiết kiệm đạt được.

Dữ liệu lưu lạnh vẫn phải được quản trị

Một sai lầm phổ biến là coi kho lạnh như nơi dữ liệu có thể được đưa vào rồi bỏ quên.

Dữ liệu lưu lạnh vẫn cần:

·         Chủ sở hữu hoặc đơn vị chịu trách nhiệm

·         Thời hạn lưu giữ

·         Ngày rà soát tiếp theo

·         Metadata đủ để tìm lại

·         Quyền truy cập thích hợp

·         Cơ chế xác minh tính toàn vẹn

·         Quy trình khôi phục đã xác định

·         Quyết định cuối vòng đời: tiếp tục giữ, gia hạn, chuyển tầng hoặc xóa

Nếu không có các yếu tố này, cold storage dễ trở thành “kho dữ liệu mồ côi”: tổ chức vẫn trả chi phí và chịu rủi ro nhưng không còn biết dữ liệu thuộc về ai, tại sao phải giữ hoặc khi nào được phép xóa.

Khi nào dữ liệu nghiên cứu có thể được loại bỏ?

Dữ liệu chỉ nên được loại bỏ sau khi tổ chức xác nhận đồng thời rằng không còn nghĩa vụ bắt buộc phải giữ và không còn giá trị đủ lớn để tiếp tục bảo tồn.

Điều này có nghĩa thời hạn quy định đã hết chưa phải điều kiện duy nhất. Một tập dữ liệu có thể vượt qua thời hạn lưu tối thiểu nhưng vẫn đáng được bảo tồn do giá trị khoa học hoặc giá trị tái sử dụng. Ngược lại, dữ liệu có giá trị khoa học thấp cũng không thể bị xóa nếu nghĩa vụ pháp lý vẫn còn hiệu lực.

Một ứng viên phù hợp để loại bỏ thường có các đặc điểm sau:

·         Đã hết mọi thời hạn lưu giữ bắt buộc

·         Không thuộc legal hold, kiểm toán, điều tra hoặc tranh chấp đang diễn ra

·         Không cần cho việc tái lập hoặc xác minh kết quả nghiên cứu

·         Không còn giá trị tái sử dụng đáng kể

·         Có thể được tái tạo đáng tin cậy từ nguồn đã được bảo tồn nếu cần

·         Chỉ là bản sao, bản xuất tạm hoặc dữ liệu trung gian không còn mục đích

·         Rủi ro và chi phí của việc giữ tiếp lớn hơn lợi ích hợp lý của việc bảo tồn

Không nên dùng ngày hết hạn để tự động xóa mọi dữ liệu

Một retention period nên được hiểu là mốc kích hoạt đánh giá hoặc điều kiện đủ để xem xét xóa, trừ trường hợp chính sách và nghĩa vụ áp dụng quy định rõ việc tiêu hủy.

Trước khi xóa, hệ thống cần kiểm tra các ngoại lệ. Chẳng hạn, dữ liệu có thể vừa đến hạn xóa nhưng đang được sử dụng để trả lời một yêu cầu kiểm toán. Nếu hệ thống chỉ dựa vào ngày hết hạn, việc xóa tự động có thể phá hủy dữ liệu vẫn đang thuộc nghĩa vụ bảo toàn.

Ngược lại, chính sách cũng không nên biến “có thể có ích sau này” thành lý do mặc định để gia hạn vô thời hạn. Nếu không yêu cầu chủ sở hữu chứng minh giá trị tiếp tục lưu giữ, gần như mọi dữ liệu đều có thể được giữ mãi bằng cùng một lý do.

Loại bỏ phải bao gồm các bản sao nằm trong phạm vi chính sách

Xóa tệp khỏi thư mục làm việc chưa chắc đã hoàn thành việc loại bỏ dữ liệu.

Tùy kiến trúc hệ thống, cùng một dữ liệu có thể còn tồn tại trong kho lưu trữ, bản sao làm việc, bản sao xuất cho cộng tác viên hoặc hệ thống sao lưu. Chính sách cần xác định rõ phạm vi tiêu hủy và cách xử lý các bản sao không thể xóa ngay lập tức, chẳng hạn dữ liệu nằm trong chu kỳ backup.

Mục tiêu là tạo ra một quy trình có thể chứng minh: dữ liệu nào đã được phê duyệt để xóa, ai phê duyệt, hệ thống nào nằm trong phạm vi, phương pháp loại bỏ nào được áp dụng và khi nào quá trình hoàn tất.

Xây dựng ma trận quyết định giữa lưu dài hạn, lưu lạnh và loại bỏ

Thay vì gán một số năm duy nhất cho toàn bộ dữ liệu nghiên cứu, tổ chức có thể xây dựng ma trận quyết định từ một chuỗi câu hỏi.

Từ ma trận này, ba trạng thái có thể được định nghĩa rõ hơn.

Lưu trữ dài hạn: giá trị bảo tồn cao hoặc nghĩa vụ dài hạn còn tồn tại. Trọng tâm là bảo đảm tính toàn vẹn, khả năng diễn giải và khả năng truy cập trong tương lai.

Lưu trữ lạnh: dữ liệu vẫn phải được giữ nhưng nhu cầu truy cập thấp. Trọng tâm là giảm chi phí của tầng lưu trữ mà không làm mất khả năng khôi phục và quản trị.

Loại bỏ: không còn nghĩa vụ hoặc giá trị đủ để biện minh cho việc tiếp tục giữ. Trọng tâm là phê duyệt, kiểm tra ngoại lệ, tiêu hủy an toàn và lưu bằng chứng về quyết định.

Một tập dữ liệu cũng có thể đi qua cả ba trạng thái. Chẳng hạn, dữ liệu được giữ ở tầng hoạt động trong giai đoạn nghiên cứu, chuyển sang kho lạnh sau khi dự án kết thúc, tiếp tục được bảo tồn cho đến mốc rà soát và cuối cùng được xóa khi nghĩa vụ và giá trị đều chấm dứt.

Chuyển chính sách thành các retention class có thể vận hành

Một chính sách khó thực thi nếu mỗi nhà nghiên cứu phải tự quyết định từ đầu cho từng tệp. Cách thực tế hơn là xây dựng một số retention class gắn với các loại dữ liệu và quy tắc vòng đời nhất quán.

Ví dụ, tổ chức có thể phân biệt:

·         Hồ sơ nghiên cứu cốt lõi cần bảo tồn

·         Dữ liệu nguồn khó tái tạo

·         Dữ liệu phân tích và dữ liệu dẫn xuất quan trọng

·         Dữ liệu nhạy cảm chịu nghĩa vụ riêng

·         Dữ liệu tạm thời hoặc có thể tái tạo

·         Bản sao làm việc và bản sao tiện ích

Mỗi lớp nên có ít nhất các thuộc tính:

·         Sự kiện bắt đầu tính thời hạn

·         Thời hạn hoặc điều kiện lưu giữ

·         Tầng lưu trữ dự kiến

·         Điều kiện chuyển sang lưu lạnh

·         Mốc rà soát

·         Điều kiện gia hạn

·         Điều kiện tiêu hủy

·         Ngoại lệ ngăn tiêu hủy

·         Chủ thể có quyền phê duyệt

Sự kiện kích hoạt quan trọng hơn một con số đứng riêng

Một quy tắc như “giữ 10 năm” vẫn chưa đủ nếu không biết 10 năm được tính từ thời điểm nào.

Điểm bắt đầu có thể liên quan đến kết thúc dự án, ngày công bố, hoàn tất hợp đồng, kết thúc quá trình thu thập dữ liệu hoặc một sự kiện quản trị khác. Chính sách cần xác định sự kiện phù hợp cho từng retention class để tránh hai nhóm áp dụng cùng một thời hạn nhưng tính từ các mốc khác nhau.

Gia hạn phải là quyết định có lý do

Nếu đến kỳ rà soát mà chủ sở hữu muốn tiếp tục giữ dữ liệu, việc gia hạn nên gắn với một lý do cụ thể: nghĩa vụ vẫn tồn tại, nghiên cứu tiếp theo đang sử dụng dữ liệu, giá trị tái sử dụng còn cao hoặc dữ liệu vẫn cần cho xác minh khoa học.

Cách này tạo ra khác biệt giữa bảo tồn có chủ đích và tích lũy dữ liệu theo quán tính.

Thiết lập rà soát, ngoại lệ và bằng chứng quản trị

Một chính sách lưu giữ chỉ hoàn chỉnh khi tổ chức có thể thực thi và chứng minh các quyết định vòng đời của mình.

Trước hết, mỗi tập dữ liệu hoặc retention class cần có một owner chịu trách nhiệm. Bộ phận hạ tầng có thể vận hành hệ thống lưu trữ, nhưng không phải lúc nào cũng có đủ ngữ cảnh để quyết định dữ liệu nghiên cứu còn giá trị khoa học hay không.

Tiếp theo, cần có quy trình rà soát tại các điểm chuyển trạng thái. Một workflow có thể kiểm tra theo thứ tự:

1.    Xác nhận retention class và chủ sở hữu

2.    Kiểm tra nghĩa vụ pháp lý, hợp đồng và yêu cầu của tổ chức

3.    Kiểm tra legal hold hoặc ngoại lệ

4.    Đánh giá giá trị khoa học và khả năng tái tạo

5.    Đánh giá tần suất truy cập để chọn tầng lưu trữ

6.    Quyết định giữ hoạt động, chuyển lạnh, gia hạn hay loại bỏ

7.    Ghi lại người phê duyệt và lý do

8.    Đặt mốc rà soát tiếp theo nếu dữ liệu vẫn được giữ

Đối với việc xóa, audit trail đặc biệt quan trọng. Bằng chứng quản trị không cần giữ lại toàn bộ dữ liệu đã tiêu hủy, nhưng nên đủ để xác định đối tượng được xóa, căn cứ quyết định, thời điểm, người hoặc hệ thống phê duyệt và trạng thái hoàn thành.

Cuối cùng, chính sách nên được thiết kế để xử lý ngoại lệ mà không phá vỡ quy tắc chung. Legal hold có thể tạm ngừng xóa. Một phát hiện khoa học mới có thể làm tăng giá trị của dữ liệu cũ. Một yêu cầu bảo mật mới có thể khiến dữ liệu cần được chuyển sang môi trường kiểm soát nghiêm ngặt hơn. Những trường hợp này cần cơ chế thay đổi trạng thái có phê duyệt thay vì chỉnh sửa thủ công không để lại dấu vết.

Một chính sách lưu giữ dữ liệu nghiên cứu hiệu quả không cố trả lời câu hỏi “mọi dữ liệu phải giữ bao nhiêu năm” bằng một con số duy nhất. Nó xác định lý do phải giữ dữ liệu, giá trị còn lại, khả năng tái tạo, mức độ truy cập, rủi ro và các nghĩa vụ đang áp dụng.

Dữ liệu nên được lưu trữ dài hạn khi nghĩa vụ hoặc giá trị khoa học đòi hỏi khả năng bảo tồn và diễn giải lâu dài. Dữ liệu nên được chuyển sang lưu trữ lạnh khi vẫn cần giữ nhưng nhu cầu truy cập đã thấp. Dữ liệu chỉ nên được loại bỏ sau khi nghĩa vụ lưu giữ kết thúc, không còn ngoại lệ ngăn xóa và giá trị của việc giữ tiếp không còn đủ lớn.

Cách tiếp cận này biến retention từ một bảng thời hạn tĩnh thành một cơ chế quản trị vòng đời: mỗi tập dữ liệu luôn có lý do tồn tại, tầng lưu trữ phù hợp, mốc rà soát và một con đường rõ ràng dẫn tới bảo tồn hoặc tiêu hủy.